基于稀疏表达的图像文档二值化技术仿真研究

研究了针对文档图像或者图形图像的去噪算法.传统二值化文档图像去噪算法无法满足识别准确性的需要的缺陷,利用文档图像或者图形图像中的线段方向信息,提出了一种利用曲线波变换和基追踪去噪算法相结合的图像去噪算法.首先进行曲线波变化,从而得到一个噪声图像的稀疏表达,然后利用基追踪去噪算法得到一个对无噪声图像的最优估计.在最优化计算过程中引入了对图像噪声的估计,从而能获得更好的图形去噪效果.实验显示改进的方法能较传统方法能够提供更好的去噪结果.能为图形处理提供良好的输入图像,可被图形识别和处理系统广泛应用.     

一种基于形态学的小波自适应去噪算法

针对常规的去噪算法会引起图像边缘模糊,而在保留和增强图像边缘时又会影响图像的去噪效果的缺陷,提出了一种基于形态学的小波自适应去噪算法,利用多种结构元复合形态滤波器对噪声图像预处理,然后对处理后的图像采用小波自适应阈值进行二次滤波去噪,最后对图像进行重构得到去噪后的图像.实验表明,该算法能对受不同程度、类型的噪声污染的图像进行有效地的处理,并且在去噪时能保持更多的图像边缘.     

图像去噪方法研究与仿真

在实际获取的数字图像中,不可避免地参杂了不同程度的噪声,去除噪声是图像预处理中非常重要的步骤。介绍了均值滤波、统计排序滤波和自适应滤波的基本去噪原理,利用上述去噪方法通过matlab仿真,对含有高斯噪声和椒盐噪声的图像进行去噪处理,对仿真结果进行分析比较,从而得出各种去噪方法的特点和使用范围,为实际图像处理中选择合适的去噪方法提供了指导。     

荧光免疫试纸条图像去噪方法分析

为削弱在荧光免疫试纸条检测系统中图像受到的污染,提出一种新的图像去噪方法。首先利用自适应中值滤波器消除对荧光图像影响严重的椒盐噪声,再用Contourlet变换图像阈值去噪方法对其余噪声进行处理。通过与其他去噪方法做对比,可知此方法在获得更好去噪效果的同时保护了图像轮廓细节。     

图像噪声滤波的研究方法及进展

图像噪声滤波作为图像处理的前端,直接影响后续图像处理的各个环节。介绍的图像噪声滤波的方法主要有空间域去噪、变换域去噪及几种新兴的图像噪声滤波方法,在分析了各种算法优点和缺点的基础上,对图像降噪的最新研究方向进行了展望。     

基于PCNN神经网络的图像去噪算法研究

图像噪声的去除一直是图像处理领域的难点,以往介绍的去噪方法主要用于去除二值图像的噪声,不能用于灰度图像的去噪,而且在去噪的同时会引起图像的模糊,为了解决问题,根据PCNN的工作原理和噪声的特点提出了一种改进的基于PGNN的去噪方法.计算机仿真实验结果表明该方法能在有效去除椒盐噪声的同时,很好地保留了图像的细节,防止了图像的模糊,对图像的恢复、图像的识别是十分有益的,但对于严重的高斯噪声,去除效果还不是很理想,该算法有待改进.     

基于航空图像的多小波去噪方法研究

多小波技术把十分重要的光滑性、对称性、正交性、有限支撑等完美地结合起来,弥补了单小波的不足,为信号处理领域开辟了新纪元,尤其在提高军方侦察航空图像的判读效率、减少误判率方面更具有十分重要的意义.本文基于航空图像研究了基于多小波的图像去噪技术,通过分析小波的各种去噪原理和讨论阈值取值的门限问题,利用Matlab快速分解算法,基于CL多小波对加噪声的航空图像进行多小波分解和去噪,并对去噪后的图像进行了比较和分析.实验结果证明多小波去除小噪声图像时,不增加图像跳边缘,不会导致振荡效应,有较好去噪效果.     

基于真实场景图像下的卷积神经网络去噪算法

为了有效地去除实际图像中的噪声,提出了一种基于真实场景图像下卷积神经网络去噪算法,通过构建新的无噪图像数据集,输入至卷积神经网络中进行训练,并结合模拟退火算法提高训练率,建立去噪网络模型,实现真实场景图像去噪.实验结果表明:含噪的灰度图像与相机拍摄图像均取得明显的平滑效果,算法信号-噪音功率比(PSNR)值较高,图像边缘和细节也得到了较好的保留.     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。     

基于多级去噪模型的路面裂缝检测方法

为了去除路面裂缝检测中的各种噪声,在分析对比了目前常用去噪模型优缺点的基础上,根据路面图像中的噪声及裂缝信息的特点,结合已有去噪算法的优点,提出了一种新的基于路面裂缝检测的多级去噪模型。整个去噪模型包括灰度去噪模型、空间滤波去噪模型、裂缝特征去噪模型与几何特征去噪模型。实验结果表明,该模型在路面图像的去噪、裂缝信息提取等方面有较大改进。     

张量场理论在图像去噪中的应用研究

利用张量场能体现图像各个局部的朝向信息的特点,提出利用张量场局部朝向信息控制滤波器对图像进行去噪处理的方法。以达到最大限度地保持图像中原有的边缘、线条等机构信息的目的。实验结果表明,该算法在去除噪声的同时很好地保持了图像中的细节特征,去噪后的图像在峰值信噪比和主观视觉效果上都有显著提高。     

点检测下的中值滤波器图像去噪算法

在图像去噪过程中,运用已有的自适应中值滤波器去除图像椒盐噪声时,易把非噪声点误判为噪声点,使被处理图像严重失真,影响图像进一步分析。笔者在已有自适应滤波器去噪方法的基础上,针对椒盐噪声,进一步研究了点检测下的中值滤波器图像去噪算法,先对含有脉冲噪声的图像进行检测,判定是否为噪声点来选取自适应中值滤波合适的阈值。最后运用试验仿真结果和熵值对比传统方法,说明改进的算法去除图像椒盐噪声效果更优。     

基于复扩散过程的DTI图像恢复和纤维追踪

为了消除扩散加权图像中广泛存在的赖斯噪声,采用了复扩散滤波器。基于模拟数据的实验结果表明,在信噪比低的情况下复扩散滤波器具有更好的消除赖斯噪声的效果。运用本滤波器对脑部DTI图像进行去噪处理并对去噪后的图像进行纤维追踪,结果显示复扩散滤波器能够有效消除噪声影响从而使得追踪到的脑白质纤维数量增多,长度更长。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染。因此,对于数字图像应该对其进行去噪音处理。传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像。实验证明具有很好的效果。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染.因此,对于数字图像应该对其进行去噪音处理.传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像.实验证明具有很好的效果.     

无抽样方向滤波器组用于图像去噪的方法研究

提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器（half band filter）转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其次,采用Contourlet变换中的多尺度分解方法,利用上述空域模板实现图像方向分解,获得噪声图像的各尺度多方向系数;最后,根据各方向系数的统计特性,合理设定去噪阈值,方向合成只需各方向子带图像相加,多尺度合成过程与Contourlet变换相同,完成图像去噪。实验结果表明：该方法不仅有效地去除了图像噪声,而且能很好地保留图像的边缘纹理信息,并很好地去除了Contourlet变换去噪中无法避免伪吉布斯现象所引起的视觉失真,与现有阈值去噪方法相比,图像信噪比明显提高。     

椭圆滤波器在语音去噪中的应用

语音信号是一种非平稳的信号,人们在语音通讯过程中会受到来自周围环境,和传输介质的影响,产生噪音,影响人们的听觉,因此我们需要对语音信号进行去噪处理。使用数字滤波器可以有效地去除语音信号中的高频和低频噪声,本文主要研究椭圆滤波器在语音去噪中的应用。并用Matlab仿真实现。     

人脸识别系统中图像噪声去除方法研究

人脸识别是近几年来非常受关注的研究课题之一,这一研究领域包括:图像处理、模式识别、计算机视觉、神经网络,心理学等多个交叉学科。人脸识别系统非常复杂,其中处理的对象都是人脸图像数据。从现实中获取的图像包含各种噪声信号,使图像数据和现实差距太大。为了快速有效的去除这些噪声信号,本文详细研究了各种去除噪声的方法和原理,通过试验以直观的方式研究几种去噪效果,指出各种方法的优缺点。提出了将小波去除噪声和特征提取相结合以及PCA在噪声去除和特征提取相结合的方法。     

基于小波阈值的图像去噪

研究了图像优化问题,图像中噪声经常会影响图像的清晰度,造成图像模糊等。为了更好的去除图像噪声并较好的保留图像细节信息,选取合适的小波阈值去噪法。比较了小波软、硬阈值去噪法与基于SURE阈值去噪法,选取较佳的图像去噪法。在Matlab上仿真结果表明,基于SURE阈值去噪法有效提高了图像去除噪声能力,保留较好的图像细节。     

有无噪声对细胞神经网络提取图像边缘的影响

主要运用相关系数,通过对原始图像进行加躁再去噪,计算出用传统的滤波方法如均值滤波、中值滤波和维纳滤波分别对有噪声的图像进行去噪处理后,去噪图像与原始图像的相关系数,验证了去除高斯噪声用一次维纳滤波比较理想;去除椒盐噪声使用中值滤波效果较好。并在第三部分给出了对加噪的图像先进行去噪处理,再用CNN进行边缘提取的结果和对加躁图像先用cNN进行边缘提取再去噪的结果,并将这两种结果与原始图像提取边缘的结果进行比较和观察,得出以下结论：为了避免由于噪声引起的失真对图像真实信息的影响,在进行图像边缘提取之前必须先进行去噪处理再进行边缘提取。